随着语音识别技术的飞速发展，我们对语音识别技术的需求以及要求都在不断的加大，虽然近年来语音识别技术在不断的更新、优化，但是语音识别的识别率一直是偏低的，而图像识别技术相对于语音识别来说具有较好的研究背景，各种理论已经比较成熟。本文首先研究了以往语音识别的应用技术，存在哪些缺点，然后介绍了汉语发音特点，提出一种新的语音识别方法，抛开语音信号波形，提取语音信号的语谱图作为处理与识别的要素，这样将语音识别转换为图像识别。本文的研究对象为汉语的22个辅音字母，将汉语的22个辅音按规律分为6类，处理软件为Matlab。预处理过程对图像进行形态学滤波，由于汉语发音方法和发音部位的不同，提取出图像的两个重要特征，几何特征和共振峰特征，作为识别特征。接下来对提取的两种特征应用于神经网络训练识别做可行性理论分析，分析显示两种特征完全可以应用于对语谱图进行图像识别，从而达到语音识别的目的。论文在语谱图识别方向的研究刚刚起步，证实了语谱图识别用于语音识别的可行性，希望在今后的研究中语谱图识别能得到更好的应用，实现更准确的语音识别。